【摘要】[目的/意义]图书评论中的异构信息包含多种数据结构和复杂高阶关系，而现有聚类方法主要是针对单一数据结构和成对关系的数据分类，为了充分挖掘现实世界中实体间的高阶交互关系，提升异构信息和高维数据集的聚类效果及可靠性，提出了基于异构图书评论信息融合模型（UB-TRR）的超图聚类方法。[方法/过程]以阅读分享社区中的图书评论数据集为基础，抽取图书和用户两类节点，梳理文本评论、评分评级和标签标注三种用户行为中的异构信息并抽取节点间的4类高阶交互关系作为超边，构建超图实现异构数据和高阶关系的融合表示，结合超图随机游走与谱聚类分别实现图书及用户节点的聚类分析，并在“豆瓣读书”数据集中进行模型实验。[结果/结论]实验结果表明，融合异构信息捕捉高阶关系后的超图聚类性能优于基线模型，具有良好的聚类效果和稳定性，为高维数据聚类方法的改进和优化提供了新的视角。